基于PINN深度机器学习技术求解多维中子学扩散方程

作     者：刘东 罗琦 唐雷 安萍 杨帆 Liu Dong;Luo Qi;Tang Lei;An Ping;Yang Fan

作者机构：中国核动力研究设计院核反应堆系统设计技术重点实验室成都610213 中核核能软件与数字化反应堆工程技术研究中心成都610213 中国核工业集团有限公司科技委北京100822 

基　　金：第五批国家高层次人才特殊支持计划科技创新领军人才基金项目 

出 版 物：《核动力工程》 (Nuclear Power Engineering)

年 卷 期：2022年第43卷第2期

页      码：1-8页

摘      要：阐述了基于物理信息指引的神经网络模型(PINN),构造深度神经网络作为试函数,将其代入中子学扩散方程形成残差,并作为机器学习的加权损失函数,进而通过深度机器学习技术逼近中子学扩散方程数值解;针对扩散方程的特点,提出了特征值方程加速收敛方法、有效增殖系数(k_(eff))高效并行搜索技术、学习样本网格点不均匀分布策略等创新性关键技术,并对神经网络深度、神经元数量、边界条件损失函数权重等关键参数进行了敏感性分析。验证计算结果表明,该方法具有良好的精度,提出的关键技术具有显著的成效,为中子学扩散方程的数值求解探索出了新的技术途径。

主 题 词：深度机器学习 基于物理信息指引的神经网络模型(PINN) 中子学扩散方程 加速收敛 有效增殖系数(k_(eff)) 

学科分类：0710[理学-生物科学类] 0401[教育学-教育学类] 08[工学] 082701[082701] 0827[工学-食品科学与工程类] 0701[理学-数学类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13832/j.jnpe.2022.02.0001

馆 藏 号：203109586...